论文部分内容阅读
摘 要：对比现在主流的社区电商系统，不难发现目前的社区电商仍然属于传统电商：服务没有针对性，服务功能不完善，仅从交易的角度构建系统，满足社区居民购买日用品的消费需求。本文的研究目的是从情景敏感服务角度，构建新型的社区电商服务系统模型，优化移动服务用户体验，推动社区电商的发展。
关键词：情景敏感;商品推荐;社区电商
随着人类社会的不断进步与发展，城市人口和规模逐渐增大，社区作为城市主体的一部分，是居民生活的保障与基础。伴随电子商务的多元化发展，社区电商成为当今电商领域的关注焦点，社区化的电子商务模式有如下优势：
（1）配送快捷：借助社区便利，极速配送商品，为社区“懒人”提供全方位的服务，满足现代快节奏的生活需求。
（2）线上线下双赢：线上资源的浏览量与购买量有利于提升线下实体店的经营业绩，线下实体店完善的配送和售后服务有利于培养忠实用户，增加线上交易额。
（3）提升用户体验：原来以店面为中心、到店购买的经营模式已无法满足当下的消费需求，人们需要的是一种全新的即时性、碎片化、集成式、线上线下融合的移动消费体验。
作为B2C电商的延展和升级，社区电商考验的就是平台的4个能力：社区规模与城市扩张的运营能力;供应链条的选择和协同能力;最后一公里配送的综合服务能力和可持续化发展的商业变现能力。有效的商品推送和良好的用户体验是社区电商模式的核心竞争力。
一、社区电商应用现状及存在问题
1.社区电商运营模式
社区电商包含三种模式：第一种是指结合UGG的纯线上的社区化打造，如小红书模式;第二种是新零售的O2O电商模式，如盒马鲜生;第三种是依托社区实体便利店，“预售+自提”的模式，如兴盛优选。
小红书模式的社区电商围绕线上渠道，做的是人群社区的划分，如美妆社区、母婴社区、健身社区，平台聚合很多共同爱好者，拥有用户需要的有用信息，经营者借助社区的生态环境，引导用户购买商品，形成纯线上的购物闭环。
盒马鲜生是一家专做食品的全渠道体验店，从实体店到线上，从产品、服务、体验到物流整个链条的延伸衔接，凭借着集“生鲜超市+店内餐饮体验+线上业务仓储配送”于一体的新零售模式，让消费者感受全新购物体验。消费者除了可以在门店内“逛吃”，还提供基于LBS位置服务，实现线上线下同价，针对周围三公里内的社区居民，可以通过移动端实现免费购物配送，30分钟内可以送货到家。
兴盛优选是一家关注民生的互联网“新零售”平台，湖南省第一家估值超过10亿美元的企业。平台主要定位是解决家庭消费者的日常需求，提供包括新鲜蔬菜水果、粮油米面、肉禽水产、日用百货、鲜花等全品类精选商品。依托社区原有实体便利店，通过“预售+自提”的模式为社区用户提供服务。2019年，平台活跃用户数千万，日均订单超过700万单。
三种模式中，前两种模式门槛较高，实现需要大量资金和技术的支持，第三种模式实现起来相对容易，本文所提及的相关内容针对的是第三种模式。
2.社区电商存在问题
根据中商产业研究院提出的《2017-2022年中国电子商务行业发展分析及投资研究报告》，有数据表明社区电商有希望成为传统零售对抗传统电商冲击的有力手段，也有希望成为传统电商发展的新阶段，社区电子商务模式已慢慢成熟，成为移动互联网时代线上线下融合发展的一种新型的商业模式，既有别于传统零售，又有别于传统的电子商务，但目前仍存在以下问题：
（1）发展理念滞后，定位不精准
社区电商企业对全新电商发展模式缺乏全面、深入的认识，如线下门店与线上企业在合作过程中发生冲突，由于受利益驱动，出现一哄而上办电商等情况。在发展社区电商中定位不精准，导致系统类同，运营内容同质化现象严重，实际运营中困难重重。
（2）面临信任危机
社区电商系统中存在大量的用户个人信息，信息的保护手段单一，很多用户设置的密码过于简单，在电商活动中极易造成信息泄露。此外，由于商品都是由供應商提供，社区电商系统管理者不能及时了解商品的来源和品质，商品把控不严，正品信任度低，用户极易购买到假冒伪劣商品。例如在兴盛优选系统中虽然承诺24小时内有质量问题的商品可以退货，但因商品单价并不高，很多消费者购买了不合格的商品，虽不屑退货，但肯定会影响下次购物的选择。
（3）用户体验满意度低
传统电商活动中，客户服务周到，功能完善，长期以来，很多用户习惯在购买前咨询客服人员商品信息及售后保障，但在社区电商系统中没有在线客服功能。以兴盛优选为例，购物的咨询是通过在微信群或QQ群中咨询群主来实现，群主往往还经营着线下的实体商店，经常不能及时回复用户的咨询，引起用户的不满。
二、基于情景敏感的商品信息推荐模型研究
在电子商务环境下，线上系统提供给用户的商品种类和商品数量非常多，用户不可能通过电子商务系统的页面布局或分类导航，很快掌握所有的商品信息，而且用户线上购物活动也不可能跟在线下实体购物一样，通过试穿、试用等环节比对商品，完成商品的选择和购买。因此，需要线上电子商务系统根据用户的兴趣爱好推荐他们可能感兴趣或是满意的商品，使用户能够减少购物前的挑选时间，提高满意度，因此各种个性化推荐算法被广泛应用于电子商务系统中。
传统的个性化推荐技术是通过分析用户历史购物数据或是整理用户的行为数据，构建用户购物模型，帮助推荐系统在复杂多样的商品数据中查找出用户可能感兴趣的商品，并把商品信息列表优化排序后呈现给用户，将用户的潜在需求转化为现实需求，从而提高商品的销售量。
情景是与用户的信息获取和知识活动相关的各种因素：背景、条件、社会环境等外部环境，也包括用户的知识、经验、习惯、喜好等内部因素，是识别用户在不同活动过程中的个性化需求特征的关键因素。情景敏感系统能根据用户购物活动发生时的情景信息，自动计算出用户的情景化需求，推荐系统能更准确掌握用户需求，输出对用户的有用信息。情景敏感服务系统所具有的主动性、智能性和情景自适应特征，能提高服务的准确性和可靠性，成为社区电商服务改善用户购物体验的有效方法。 1.情景敏感的商品信息搜索
传统的商品信息搜索系统主要是基于用户提供的关键词搜索商品信息，整个过程中用户与商品信息、应用情景相分离，很难实现搜索结果的“所见即所需”目标。基于情景的商品信息搜索，能够将与购物相关的情景信息和搜索技术无缝地集成到整体框架中，从而提高搜索结果的用户满意度。在电子商务活动中，用户的任何搜索行为都是发生在特定的情景中，情景敏感的商品信息搜索根据用户的时间、位置和资源等情景限定条件整合搜索，最终提供符合用户需求的精确结果，情景敏感的商品信息搜索对提高用户体验满意度有重要作用。
（1）情景敏感商品信息搜索与传统商品信息搜索
传统的商品信息搜索缺少用户信息和应用情景分析，导致搜索结果准确性不高。基于情景的商品信息搜索，可以根据用户输入关键词时的情景信息分析，计算出用户的情景化需求，提高搜索结果的准确度，缩短用户商品信息搜索时间，提升用户满意率，从而提高购买率或复购率，两种方法的不同见表1所示。
（2）情景敏感商品信息搜索实现过程
情景敏感商品信息搜索实现过程，可以在查询和结果输出两个环节增加情景敏感信息资源库的方式来达到应用目标。系统中必须先建立敏感信息资源库，里面包括用户的个性化标签信息：性别、职业、喜好、消费习惯、历史购物信息等，从已有的历史数据抽取合适的情景敏感商品信息关键词，创建敏感信息资源索引库;用户购物时，根据用户输入的搜索关键词，结合敏感信息资源索引库信息进行比对，搜索出合适的商品信息准备预返回信息;输出结果时，根据用户提出搜索要求时的时间和位置等信息，对“预返回信息”进行分析，输出最优化的搜索排序结果，这样的处理过程可增加搜索结果的用户满意率，其过程如图1所示：
2.情景敏感商品信息个性化服务设计
情景敏感商品信息的个性化服务是综合分析用户需求和相关数据如时间、位置和消费习惯的基础上向用户推送有用商品信息。例如，如果知道用户每月消耗鸡蛋、牛奶等数据信息，则社区电子商务系统可在合适的时候向用户推送有关商品信息;如果知道用户本月外出，则不用推送商品信息或延迟商品信息的推送。在情景敏感商品信息的个性化服务过程中，要注意保护用户隐私，合理利用用户的个性化标签数据和消费数据，让用户在享用个性化服务时提高满意度。服务过程如图2所示：
3.情景敏感商品信息推荐方式
（1）基于情景敏感商品信息个性化推荐分析
不同的个性化推荐系统，因为各自的任务目标不一样，所以衡量它们的评价指标也不尽相同。但通常来说，多样性和准确性是目前推荐系统最重要的两个指标，推荐系统优劣的评价标准，大多数情况下都以这两个指标值为评断依据。准确性是指希望能准确为用户推荐喜爱商品，在搜索结果中，用户最喜欢的商品排在推荐列表前面;多样性是希望尽量能提供一些用户潜在需求的商品，发掘用户的潜在购物需求，刺激用户的购买欲望，提高电子商务系统的销售额。
情景敏感商品信息个性化推荐与传统的个性化推荐的目标一样，也希望做好商品推荐的准确性和多样性，但情景敏感的推荐服务中的用户移动性强，情景信息的影响大，用户需求碎片化，使得情景敏感商品信息个性化推荐有更高的精确度和实时性要求。
由上表可知，情景敏感的信息推荐是一种综合考虑了用户、情景和资源的多维度信息推荐，在系统中用户可以利用移动设备随时提出购物需要，随时希望获取个性化的商品信息推送服务，使得情景敏感的信息推荐系统具有更高的精确度和更好的及时性。
（2）基于情景敏感商品信息个性化推荐模型
传统的个性化推荐仅考虑用户消费历史数据，因此推荐结果的准确性和多样性都存在问题。在社區电子商务系统中，用户的移动性增加，传统的个性化推荐系统面临更大的推荐困难。因此需要建立新的综合考虑了用户、资源、情景的多维度推荐模型，动态分析用户的行为、需求、情景，在情景数据上做类似于聚类的分析，将具有相似情景的用户分配到相同的分类中，以获得用户敏感信息资源索引库，在推荐商品信息时，不仅要比对搜索词与用户敏感信息资源索引库的匹配相似度，更要统合分析用户的位置、时间等信息，达到更好地为用户推荐商品信息的目的，根据情景敏感商品信息推荐的原理及工作过程，现构建如图3所示模型。
三、总结
有效的商品信息推送，目前大多通过计算机领域的个性化推荐技术来实现，但在社区电子商务活动中，用户相对更加集中，用户对隐私的需求更高，服务的及时性和精度要求也更高，严格来说用户不仅需要系统推荐的个性化商品，还需要推荐系统能基于情景敏感的信息推荐。基于情景敏感的商品信息推荐是一种综合考虑了用户、情景和资源的多维度推荐模型，能保证用户使用移动设备期间，可以随时获取个性化的推送服务，满足自己的购物需要，同时也可以使系统的推送服务具有更好的及时性和更高的精确度，满足用户碎片化时间购物需要。
参考文献：
[1]袁静.论高校图书馆情景敏感服务的实现方式[J].图书馆学研究，2019.
[2]王惠敏.大数据关键时刻下电子商务的价值创造与模式创新[J].商业经济研究，2015.
[3]王伟丽.智慧社区电子商务系统的设计与实现[D].北京邮电大学，2018.
[4]李建华.O2O模式下的社区电子商务的商业模式分析——以顺丰嘿客为例[J].全国流通经济，2019.
[5]梁鑫鑫.O2O模式下的社区电子商务的商业模式案例分析[J].商，2015.
作者简介：洪奕（1968- ），女，汉族，贵州省贵阳市人，副教授，研究方向：电子商务
关键词：情景敏感;商品推荐;社区电商
随着人类社会的不断进步与发展，城市人口和规模逐渐增大，社区作为城市主体的一部分，是居民生活的保障与基础。伴随电子商务的多元化发展，社区电商成为当今电商领域的关注焦点，社区化的电子商务模式有如下优势：
（1）配送快捷：借助社区便利，极速配送商品，为社区“懒人”提供全方位的服务，满足现代快节奏的生活需求。
（2）线上线下双赢：线上资源的浏览量与购买量有利于提升线下实体店的经营业绩，线下实体店完善的配送和售后服务有利于培养忠实用户，增加线上交易额。
（3）提升用户体验：原来以店面为中心、到店购买的经营模式已无法满足当下的消费需求，人们需要的是一种全新的即时性、碎片化、集成式、线上线下融合的移动消费体验。
作为B2C电商的延展和升级，社区电商考验的就是平台的4个能力：社区规模与城市扩张的运营能力;供应链条的选择和协同能力;最后一公里配送的综合服务能力和可持续化发展的商业变现能力。有效的商品推送和良好的用户体验是社区电商模式的核心竞争力。
一、社区电商应用现状及存在问题
1.社区电商运营模式
社区电商包含三种模式：第一种是指结合UGG的纯线上的社区化打造，如小红书模式;第二种是新零售的O2O电商模式，如盒马鲜生;第三种是依托社区实体便利店，“预售+自提”的模式，如兴盛优选。
小红书模式的社区电商围绕线上渠道，做的是人群社区的划分，如美妆社区、母婴社区、健身社区，平台聚合很多共同爱好者，拥有用户需要的有用信息，经营者借助社区的生态环境，引导用户购买商品，形成纯线上的购物闭环。
盒马鲜生是一家专做食品的全渠道体验店，从实体店到线上，从产品、服务、体验到物流整个链条的延伸衔接，凭借着集“生鲜超市+店内餐饮体验+线上业务仓储配送”于一体的新零售模式，让消费者感受全新购物体验。消费者除了可以在门店内“逛吃”，还提供基于LBS位置服务，实现线上线下同价，针对周围三公里内的社区居民，可以通过移动端实现免费购物配送，30分钟内可以送货到家。
兴盛优选是一家关注民生的互联网“新零售”平台，湖南省第一家估值超过10亿美元的企业。平台主要定位是解决家庭消费者的日常需求，提供包括新鲜蔬菜水果、粮油米面、肉禽水产、日用百货、鲜花等全品类精选商品。依托社区原有实体便利店，通过“预售+自提”的模式为社区用户提供服务。2019年，平台活跃用户数千万，日均订单超过700万单。
三种模式中，前两种模式门槛较高，实现需要大量资金和技术的支持，第三种模式实现起来相对容易，本文所提及的相关内容针对的是第三种模式。
2.社区电商存在问题
根据中商产业研究院提出的《2017-2022年中国电子商务行业发展分析及投资研究报告》，有数据表明社区电商有希望成为传统零售对抗传统电商冲击的有力手段，也有希望成为传统电商发展的新阶段，社区电子商务模式已慢慢成熟，成为移动互联网时代线上线下融合发展的一种新型的商业模式，既有别于传统零售，又有别于传统的电子商务，但目前仍存在以下问题：
（1）发展理念滞后，定位不精准
社区电商企业对全新电商发展模式缺乏全面、深入的认识，如线下门店与线上企业在合作过程中发生冲突，由于受利益驱动，出现一哄而上办电商等情况。在发展社区电商中定位不精准，导致系统类同，运营内容同质化现象严重，实际运营中困难重重。
（2）面临信任危机
社区电商系统中存在大量的用户个人信息，信息的保护手段单一，很多用户设置的密码过于简单，在电商活动中极易造成信息泄露。此外，由于商品都是由供應商提供，社区电商系统管理者不能及时了解商品的来源和品质，商品把控不严，正品信任度低，用户极易购买到假冒伪劣商品。例如在兴盛优选系统中虽然承诺24小时内有质量问题的商品可以退货，但因商品单价并不高，很多消费者购买了不合格的商品，虽不屑退货，但肯定会影响下次购物的选择。
（3）用户体验满意度低
传统电商活动中，客户服务周到，功能完善，长期以来，很多用户习惯在购买前咨询客服人员商品信息及售后保障，但在社区电商系统中没有在线客服功能。以兴盛优选为例，购物的咨询是通过在微信群或QQ群中咨询群主来实现，群主往往还经营着线下的实体商店，经常不能及时回复用户的咨询，引起用户的不满。
二、基于情景敏感的商品信息推荐模型研究
在电子商务环境下，线上系统提供给用户的商品种类和商品数量非常多，用户不可能通过电子商务系统的页面布局或分类导航，很快掌握所有的商品信息，而且用户线上购物活动也不可能跟在线下实体购物一样，通过试穿、试用等环节比对商品，完成商品的选择和购买。因此，需要线上电子商务系统根据用户的兴趣爱好推荐他们可能感兴趣或是满意的商品，使用户能够减少购物前的挑选时间，提高满意度，因此各种个性化推荐算法被广泛应用于电子商务系统中。
传统的个性化推荐技术是通过分析用户历史购物数据或是整理用户的行为数据，构建用户购物模型，帮助推荐系统在复杂多样的商品数据中查找出用户可能感兴趣的商品，并把商品信息列表优化排序后呈现给用户，将用户的潜在需求转化为现实需求，从而提高商品的销售量。
情景是与用户的信息获取和知识活动相关的各种因素：背景、条件、社会环境等外部环境，也包括用户的知识、经验、习惯、喜好等内部因素，是识别用户在不同活动过程中的个性化需求特征的关键因素。情景敏感系统能根据用户购物活动发生时的情景信息，自动计算出用户的情景化需求，推荐系统能更准确掌握用户需求，输出对用户的有用信息。情景敏感服务系统所具有的主动性、智能性和情景自适应特征，能提高服务的准确性和可靠性，成为社区电商服务改善用户购物体验的有效方法。 1.情景敏感的商品信息搜索
传统的商品信息搜索系统主要是基于用户提供的关键词搜索商品信息，整个过程中用户与商品信息、应用情景相分离，很难实现搜索结果的“所见即所需”目标。基于情景的商品信息搜索，能够将与购物相关的情景信息和搜索技术无缝地集成到整体框架中，从而提高搜索结果的用户满意度。在电子商务活动中，用户的任何搜索行为都是发生在特定的情景中，情景敏感的商品信息搜索根据用户的时间、位置和资源等情景限定条件整合搜索，最终提供符合用户需求的精确结果，情景敏感的商品信息搜索对提高用户体验满意度有重要作用。
（1）情景敏感商品信息搜索与传统商品信息搜索
传统的商品信息搜索缺少用户信息和应用情景分析，导致搜索结果准确性不高。基于情景的商品信息搜索，可以根据用户输入关键词时的情景信息分析，计算出用户的情景化需求，提高搜索结果的准确度，缩短用户商品信息搜索时间，提升用户满意率，从而提高购买率或复购率，两种方法的不同见表1所示。
（2）情景敏感商品信息搜索实现过程
情景敏感商品信息搜索实现过程，可以在查询和结果输出两个环节增加情景敏感信息资源库的方式来达到应用目标。系统中必须先建立敏感信息资源库，里面包括用户的个性化标签信息：性别、职业、喜好、消费习惯、历史购物信息等，从已有的历史数据抽取合适的情景敏感商品信息关键词，创建敏感信息资源索引库;用户购物时，根据用户输入的搜索关键词，结合敏感信息资源索引库信息进行比对，搜索出合适的商品信息准备预返回信息;输出结果时，根据用户提出搜索要求时的时间和位置等信息，对“预返回信息”进行分析，输出最优化的搜索排序结果，这样的处理过程可增加搜索结果的用户满意率，其过程如图1所示：
2.情景敏感商品信息个性化服务设计
情景敏感商品信息的个性化服务是综合分析用户需求和相关数据如时间、位置和消费习惯的基础上向用户推送有用商品信息。例如，如果知道用户每月消耗鸡蛋、牛奶等数据信息，则社区电子商务系统可在合适的时候向用户推送有关商品信息;如果知道用户本月外出，则不用推送商品信息或延迟商品信息的推送。在情景敏感商品信息的个性化服务过程中，要注意保护用户隐私，合理利用用户的个性化标签数据和消费数据，让用户在享用个性化服务时提高满意度。服务过程如图2所示：
3.情景敏感商品信息推荐方式
（1）基于情景敏感商品信息个性化推荐分析
不同的个性化推荐系统，因为各自的任务目标不一样，所以衡量它们的评价指标也不尽相同。但通常来说，多样性和准确性是目前推荐系统最重要的两个指标，推荐系统优劣的评价标准，大多数情况下都以这两个指标值为评断依据。准确性是指希望能准确为用户推荐喜爱商品，在搜索结果中，用户最喜欢的商品排在推荐列表前面;多样性是希望尽量能提供一些用户潜在需求的商品，发掘用户的潜在购物需求，刺激用户的购买欲望，提高电子商务系统的销售额。
情景敏感商品信息个性化推荐与传统的个性化推荐的目标一样，也希望做好商品推荐的准确性和多样性，但情景敏感的推荐服务中的用户移动性强，情景信息的影响大，用户需求碎片化，使得情景敏感商品信息个性化推荐有更高的精确度和实时性要求。
由上表可知，情景敏感的信息推荐是一种综合考虑了用户、情景和资源的多维度信息推荐，在系统中用户可以利用移动设备随时提出购物需要，随时希望获取个性化的商品信息推送服务，使得情景敏感的信息推荐系统具有更高的精确度和更好的及时性。
（2）基于情景敏感商品信息个性化推荐模型
传统的个性化推荐仅考虑用户消费历史数据，因此推荐结果的准确性和多样性都存在问题。在社區电子商务系统中，用户的移动性增加，传统的个性化推荐系统面临更大的推荐困难。因此需要建立新的综合考虑了用户、资源、情景的多维度推荐模型，动态分析用户的行为、需求、情景，在情景数据上做类似于聚类的分析，将具有相似情景的用户分配到相同的分类中，以获得用户敏感信息资源索引库，在推荐商品信息时，不仅要比对搜索词与用户敏感信息资源索引库的匹配相似度，更要统合分析用户的位置、时间等信息，达到更好地为用户推荐商品信息的目的，根据情景敏感商品信息推荐的原理及工作过程，现构建如图3所示模型。
三、总结
有效的商品信息推送，目前大多通过计算机领域的个性化推荐技术来实现，但在社区电子商务活动中，用户相对更加集中，用户对隐私的需求更高，服务的及时性和精度要求也更高，严格来说用户不仅需要系统推荐的个性化商品，还需要推荐系统能基于情景敏感的信息推荐。基于情景敏感的商品信息推荐是一种综合考虑了用户、情景和资源的多维度推荐模型，能保证用户使用移动设备期间，可以随时获取个性化的推送服务，满足自己的购物需要，同时也可以使系统的推送服务具有更好的及时性和更高的精确度，满足用户碎片化时间购物需要。
参考文献：
[1]袁静.论高校图书馆情景敏感服务的实现方式[J].图书馆学研究，2019.
[2]王惠敏.大数据关键时刻下电子商务的价值创造与模式创新[J].商业经济研究，2015.
[3]王伟丽.智慧社区电子商务系统的设计与实现[D].北京邮电大学，2018.
[4]李建华.O2O模式下的社区电子商务的商业模式分析——以顺丰嘿客为例[J].全国流通经济，2019.
[5]梁鑫鑫.O2O模式下的社区电子商务的商业模式案例分析[J].商，2015.
作者简介：洪奕（1968- ），女，汉族，贵州省贵阳市人，副教授，研究方向：电子商务